开源实验室
·
终于搞定了，本地部署 RAGFlow
💡
原文中文，约2900字，阅读约需7分钟。
📝
内容提要
我体验了 Coze 的开源版本，发现 RAGFlow 不需要 GPU，适合我的 NAS。安装时需更新 Docker Compose 和调整内存映射。启动服务后需等待注册，配置模型时选择了字节的火山方舟，导入知识库文档支持多种格式，解析过程消耗了不少 token。
🎯
关键要点
- 体验了 Coze 的开源版本，发现 RAGFlow 不需要 GPU，适合我的 NAS。
- 我的 NAS 配置较高，CPU 和内存有空闲资源，想充分利用其性能。
- 安装 RAGFlow 需要更新 Docker Compose 至 2.26.1 及以上版本。
- NAS 的内存映射需要调整，默认最大值为 1G，不够用。
- 从 GitHub 拉取 RAGFlow 依赖并按照官网指南进行部署。
- 启动服务时可能会遇到 MySQL 启动慢的问题，需要手动重启服务。
- 服务启动后需等待，避免出现 502 错误。
- RAGFlow 需要配置 chat 模型和 embedding 模型，选择字节的火山方舟作为模型。
- 知识库支持多种文件格式，上传后需解析，解析过程消耗 token。
❓
延伸问答
RAGFlow 适合什么样的硬件配置？
RAGFlow 需要至少 4 核 CPU、16 GB RAM 和 50 GB 磁盘空间。
如何在 NAS 上安装 RAGFlow？
安装 RAGFlow 需要更新 Docker Compose 至 2.26.1 及以上版本，并调整内存映射。
RAGFlow 启动时可能遇到什么问题？
启动时可能会遇到 MySQL 启动慢的问题，需要手动重启服务。
RAGFlow 支持哪些文件格式导入知识库？
RAGFlow 支持多种文件格式，包括图片、文字、网页和 PDF。
RAGFlow 的模型配置需要注意什么？
RAGFlow 至少需要配置 chat 模型和 embedding 模型，推荐使用字节的火山方舟。
在使用 RAGFlow 时，解析文档会消耗多少 token？
解析文档的过程消耗 token，22 份文档解析完毕后已花费了 1 块钱。
🏷️
标签
➡️
